Java将word转换为文本

复制代码
在Java中,你可以使用Apache POI库来读取Word文档并提取文本内容。你可以在 Maven 项目中添加以下依赖:
复制代码
<!-- Apache POI for Word 2007+ (.docx) -->
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi</artifactId>
	<version>4.1.2</version>
</dependency>
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi-ooxml</artifactId>
	<version>4.1.2</version>
</dependency>

<!-- Apache POI for Word 97-2003 (.doc) -->
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi-scratchpad</artifactId>
	<version>4.1.2</version>
</dependency>
复制代码
以下是一个简单的示例代码,展示如何使用Apache POI将Word文档转换为文本:
复制代码
import lombok.extern.slf4j.Slf4j;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.springframework.web.multipart.MultipartFile;

import java.io.IOException;

@Slf4j
public class WordUtils {

    /**
     * Word转换为文本
     *
     * @param file Word文件
     * @return 提取的文本
     */
    public static String wordToTextConverter(MultipartFile file) {
        try {
            if (file.getOriginalFilename().endsWith(".doc")) {
                // 处理Word 97-2003文档
                return processOldWordDocument(file);
            } else if (file.getOriginalFilename().endsWith(".docx")) {
                // 处理Word 2007及以上文档
                return processNewWordDocument(file);
            } else {
                throw new RuntimeException("不支持的Word文档格式");
            }
        } catch (IOException e) {
            throw new RuntimeException("无法读取Word文档", e);
        }
    }

    private static String processOldWordDocument(MultipartFile file) throws IOException {
        try (HWPFDocument document = new HWPFDocument(file.getInputStream())) {
            WordExtractor extractor = new WordExtractor(document);
            String text = extractor.getText();
            log.info("Word文档内容: {}", text);
            return text;
        }
    }

    private static String processNewWordDocument(MultipartFile file) throws IOException {
        try (XWPFDocument document = new XWPFDocument(file.getInputStream())) {
            if (document.getParagraphs().isEmpty()) {
                throw new RuntimeException("Word文档为空");
            }
            XWPFWordExtractor extractor = new XWPFWordExtractor(document);
            String text = extractor.getText();
            log.info("Word文档内容: {}", text);
            return text;
        }
    }
}
相关推荐
Aision_2 小时前
从工具调用到 MCP、Skill完整学习记录
java·python·gpt·学习·langchain·prompt·agi
辞旧 lekkk6 小时前
【Qt】信号和槽
linux·开发语言·数据库·qt·学习·mysql·萌新
zc.z6 小时前
JAVA实现:纯PCM格式音频转换成BASE64
java·音视频·pcm
mask哥6 小时前
力扣算法java实现汇总整理(上)
java·算法·leetcode
2zcode6 小时前
运动模糊图像复原的MATLAB仿真与优化
开发语言·matlab
袁雅倩19976 小时前
当吸尘器、筋膜枪都用上Type-C,供电方案该怎么选?浅谈PD取电芯片ECP5702的应用
c语言·开发语言·支持向量机·动态规划·推荐算法·最小二乘法·图搜索算法
Aaswk7 小时前
Java Lambda 表达式与流处理
java·开发语言·python
是宇写的啊7 小时前
Spring AOP
java·spring
万邦科技Lafite8 小时前
京东item_get接口实战案例:实时商品价格监控全流程解析
java·开发语言·数据库·python·开放api·淘宝开放平台
Cyber4K9 小时前
【Python专项】进阶语法-系统资源监控与数据采集(1)
开发语言·python·php